ในการทำวิจัยครั้งนี้มีวัตถุประสงค์เพื่อเปรียบเทียบประสิทธิภาพของแผนภูมิควบคุม 4 แบบ ในกระบวนการที่มีการเปลี่ยนแปลงในค่าเฉลี่ย ซึ่งแผนภูมิควบคุมทั้ง4 แบบประกอบไปด้วย แผนภูมิควบคุมค่าเฉลี่ย ((-,X)) แผนภูมิควบคุมค่าเฉลี่ยเคลื่อนที่ปรับน้ำหนักแบบเอกซโพเนนเชียล (EWMA) แผนภูมิควบคุมสังเคราะห์ (SYNTHETIC)และแผนภูมิควบคุมผลรวมแบบวิ่ง (RUNSUM) ซึ่งการเปรียบเทียบประสิทธิภาพของแผนภูมิควบคุมชนิดต่างๆ วัดได้จากการหาค่าความยาววิ่งโดยเฉลี่ย (Average Run Length

ARL) โดยหาจากจำนวนค่าเฉลี่ยตัวอย่างโดยเฉลี่ยที่ถูกตรวจสอบจนกระทั่งพบกระบวนการไม่อยู่ภายใต้การควบคุม ซึ่งในการวิจัยนี้จะไม่ทราบค่า (+,m) และ (+,s) ดังนั้นจะใช้ค่าประมาณไม่เอนเอียง(unbiased estimates) (=,x) แทน (+,m) และใช้ (-,s)/c(n('(+,ท)) ไปใช้ในการสร้างแผนภูมิควบคุม และในการจำลองข้อมูลจะใช้ค่าเฉลี่ย ((+,m)(,0)) = 10 และความแปรปรวน ((+,s)('2)) = 1 โดยได้ทดลองระดับการเปลี่ยนแปลงในค่าเฉลี่ยที่ (+,g) =0.5 (+,s), 0.6 (+,s), 0.7 (+,s), 0.8 (+,s), 0.9 (+,s), 1.0 (+,s), 1.1 (+,s),1.2 (+,s), 1.3 (+,s), 1.4 (+,s), 1.5 (+,s) 2.0 (+,s), 2.5 (+,s), 3.0 (+,s),3.5 (+,s), 4.0 (+,s), 4.5 (+,s), 5.0 (+,s) ที่ขนาดตัวอย่าง n = 4, 5, 6, 7, 8, 9, 10,15, 20, 25, 30, 35, 40, 45, 50 และค่า ARL เริ่มต้นสำหรับแผนภูมิควบคุมสังเคราะห์ (ARL(,0))= 300, 370, 500 ข้อมูลที่ใช้ในงานวิจัยได้จากการจำลองด้วยเทคนิคมอนติคาร์โล 1000 ครั้งในแต่ละสถานการณ์ของการทดลอง ผลการวิจัยสามารถสรุปได้ดังนี้ ที่ระดับการเปลี่ยนแปลงของค่าเฉลี่ยระดับน้อย [0.5, 0.8] เมื่อขนาดตัวอย่างตั้งแต่ 4 ถึง 6 แผนภูมิควบคุม RUNSUM จะมีค่า ARL ต่ำสุด ขนาดตัวอย่าง 7 ถึง8 แผนภูมิควบคุม RUNSUM และ SYNTHETIC 300 จะมีค่า ARL ต่ำสุด ขนาดตัวอย่าง 9 หรือมากกว่า แผนภูมิควบคุม SYNTHETIC 300 จะมีค่า ARL ต่ำสุด ที่ระดับการเปลี่ยนแปลงของค่าเฉลี่ยระดับปานกลาง [0.9, 2.0] เมื่อขนาดตัวอย่าง4 ถึง 6 แผนภูมิควบคุม SYNTHETIC 300 และ SYNTHETIC 370 จะมีค่า ARL ต่ำสุดขนาดตัวอย่าง 7 ถึง 10 แผนภูมิควบคุม SYNTHETIC จะมีค่า ARL ต่ำสุด ขนาดตัวอย่าง15 หรือมากกว่า ทุกแผนภูมิควบคุมมีค่า ARL เท่ากัน ที่ระดับการเปลี่ยนแปลงของค่าเฉลี่ยระดับมาก [2.1, 5.0] ทุกแผนภูมิควบคุมมีค่า ARL เท่ากันที่ทุกขนาดตัวอย่าง แผนภูมิทั้ง 4 แบบ จะมีค่า ARL น้อยลง เมื่อระดับการเปลี่ยนแปลงในค่าเฉลี่ยมากขึ้น และขนาดตัวอย่างมากขึ้น ในงานวิจัยนี้ได้หาอำนาจการทดสอบ (Power of Test) โดยหาจากความน่าจะเป็นที่ค่าเฉลี่ยตัวอย่างจะออกนอกขอบเขตควบคุม ซึ่งผลที่ได้จะให้แผนภูมิควบคุมที่มีประสิทธิภาพที่ระดับการเปลี่ยนแปลงในค่าเฉลี่ยระดับต่าง ๆ เหมือนกับผลของวิธีการหาค่าความยาววิ่งโดยเฉลี่ย (ARL)